„KI-kompetent." Steht inzwischen in Stellenanzeigen, so wie früher „sicherer Umgang mit Excel." Recruiter fragen danach, im Mitarbeitergespräch taucht es auf. Und seit Februar 2025 ist es nicht mehr nur ein netter Karriere-Tipp: Der EU AI Act (Artikel 4) verlangt von Anbietern und Betreibern von KI-Systemen, dass ihre Leute „ein ausreichendes Maß an KI-Kompetenz" mitbringen. KI-Kompetenz ist damit eine gesetzliche Erwartung an Arbeitgeber geworden.
Das Kuriose daran: Kaum jemand kann dir sagen, was das eigentlich heißt.
TestGorilla hat Arbeitgeber genau das gefragt. Im State of Hiring for AI Fluency 2026 sagten 95 %, KI-Kompetenz sei mittlerweile Einstellungsvoraussetzung. Definiert hatten sie den Begriff aber nur zu 71 %. Und 59 % gaben zu, schon mal eine schlechte KI-Fehlbesetzung gemacht zu haben — jemand, der kompetent wirkte und es nicht war.
Die Messlatte hängt also überall, die Definition fehlt, und Leute werden nach einem Standard eingestellt oder aussortiert, den nie jemand aufgeschrieben hat.
Die meisten füllen diese Lücke mit einer Vermutung: KI-kompetent sein heißt, gut prompten zu können. Ein paar Zauberformeln lernen, sich clevere Vorlagen abspeichern, fertig.
Diese Vermutung ist größtenteils falsch. Und sie ist ein Hauptgrund, warum so viele „KI-kompetente" Neuzugänge floppen.
Jetzt der Reframe. Im klarsten Modell, das wir haben, ist Prompten nicht der Skill. Es ist ein Ausschnitt von einem von vier Skills. Nenn es ein Viertel von einem Viertel. Die anderen 75 % von KI-Kompetenz haben mit dem Wortlaut eines Prompts nichts zu tun. Sie bestehen darin, die richtige Arbeit auszuwählen, zu beurteilen, was zurückkommt, und für das geradezustehen, was du rausschickst.
Ich zeig dir das Ganze mal.
Was „KI-kompetent" wirklich bedeutet
Die brauchbarste Definition kommt nicht aus einer Stellenanzeige. Sie kommt aus einem Modell, das zwei Professoren gebaut haben — Rick Dakan (Ringling College) und Joseph Feller (University College Cork) — zusammen mit Anthropic. Gelehrt wird es in einem kostenlosen Kurs namens AI Fluency: Framework & Foundations.
Ihre Definition ist angenehm nüchtern. KI-Kompetenz heißt, mit KI-Systemen „auf eine Weise zu interagieren, die effektiv, effizient, ethisch und sicher ist." Nicht „die Tools kennen." Sondern gut damit umgehen. Und das teilen sie in vier Gewohnheiten auf. Die vier D’s.
- Delegation (Delegieren). Entscheiden, ob, wann und wie du die KI überhaupt reinholst. Was du abgibst — und was du behältst.
- Description (Beschreiben). Der KI so klar sagen, was du willst, dass etwas Brauchbares zurückkommt. Hier lebt das Prompten. Nur hier.
- Discernment (Beurteilen). Prüfen, was zurückkommt, und die Antwort erwischen, die selbstbewusst und trotzdem falsch ist.
- Diligence (Sorgfalt). Verantwortung übernehmen für das, was du mit KI machst, und wie du es machst.
Siehst du, was da passiert ist? Prompten — das, worauf alle trainieren — ist Teil von genau einem dieser vier Punkte. Die anderen drei drehen sich um Urteilsvermögen, nicht um Formulierung.
Es gibt noch eine zweite Ebene, die sich zu kennen lohnt, weil sie ändert, wie du alle vier einsetzt. Dakan und Feller beschreiben drei Arbeitsmodi mit KI. Automation, wo du eine Anweisung gibst und die KI sie ausführt. Augmentation, wo du und die KI zusammen denken, hin und her. Und Agency, wo du die KI so aufsetzt, dass sie eigenständig handelt. Dieselben vier Skills, aber je nach Modus anders gewichtet. Gib einem autonomen Agenten eine Aufgabe, und plötzlich zählt Diligence viel mehr als im schnellen Hin und Her.
Was ein Arbeitgeber damit wirklich meint
Zieh den Fachjargon ab, und „KI-kompetent" in einer Stellenanzeige läuft meist auf vier ganz konkrete Dinge hinaus:
- Du greifst bei den richtigen Problemen zur KI — und kannst sagen, wann du es bewusst gelassen hast.
- Du treibst sie über die erste Antwort hinaus. Du iterierst und steuerst, statt jedes Mal einen frischen Prompt zu tippen. Ein Hiring Manager bei Amazon hat die Latte trocken formuliert: Leute, die „jedes Mal einen neuen Prompt stellen, ohne jedes Environment Engineering oder Steuerungs-Dokumente", seien „unter der Messlatte".
- Du prüfst den Output. Du erwischst die Halluzination, bevor sie in der Präsentation landet.
- Du kannst ein echtes Ergebnis zeigen. Einen konkreten Workflow, den du beschleunigt hast. Nicht „ich nutze halt ChatGPT".
Da ist die ganze Lücke, in einem Bild. Nur schneller tippen versus die KI wirklich steuern. Arbeitgeber zahlen für das Zweite.
Die 4 Gewohnheiten, die dich dorthin bringen
Gute Nachricht: Du brauchst kein Bootcamp. Du brauchst vier Gewohnheiten, und mit jeder einzelnen kannst du diese Woche anfangen. Eine pro D.
Delegation: mach den Übergabe-Test
Bevor du den Chat öffnest, stell dir drei kurze Fragen zur Aufgabe. Kann ich beschreiben, wie „gut" aussieht? Kann ich das Ergebnis prüfen? Was kostet es, wenn es falsch ist und ich es übersehe?
Wenn du es beschreiben und prüfen kannst, gib es ab. Wenn du es nicht prüfen kannst — eine medizinische Dosis, eine Vertragsklausel, eine Zahl, die vor deiner Geschäftsführung landet — dann behalt es entweder selbst oder schalt in den Modus „jede Zeile kontrollieren". Der Skill ist nicht, KI auf alles loszulassen. Sondern die eine Aufgabe auf deiner Liste zu erkennen, bei der du es lassen solltest.
Diese Woche: Nimm deine repetitivste Aufgabe und deine folgenreichste. Gib die erste ab. Behalt die zweite. Spür den Unterschied.
Description: gib ihr Kontext, keine Stichwörter
Die meisten schwachen Prompts sind nicht schlecht formuliert. Ihnen fehlt Kontext. Die KI weiß nicht, wer du bist, für wen die Arbeit ist oder was „gut" für dich heißt — also mittelt sie. Durchschnitt rein, Durchschnitt raus.
Ein Muster, das auf jedem Tool funktioniert (die Prompt-Struktur bleibt bewusst auf Englisch — so arbeiten Sprachmodelle am zuverlässigsten):
Role: You're a [specific role].
Goal: I need [specific outcome] for [audience] by [when].
Context: [2-3 real lines: the situation, the constraint, what's failed before].
Format: [length, tone, structure].
Here's an example of "good": [paste one].
Draft it. Then tell me what you assumed.
Die letzte Zeile hat es in sich. „Tell me what you assumed" zerrt die Vermutungen der KI ans Licht, bevor sie dich etwas kosten. Und merk: Da steckt nichts Cleveres drin. Keine Geheimwörter. Nur genug Kontext, dass das Modell aufhört zu mitteln und anfängt, dir zu antworten.
Diese Woche: Nimm einen Prompt, den du oft benutzt, und häng die drei Kontext-Zeilen dran. Schau zu, wie sich der Output ändert.
Discernment: geh von falsch aus, bis du eine Sache geprüft hast
KI klingt gleich souverän, egal ob sie recht hat oder sich was zusammenreimt. Das ist die Falle. Also bau dir ein kleines Ritual. Bevor du irgendeinen KI-Output verwendest, such die eine tragende Behauptung — die Tatsache, die Zahl, den Namen, auf dem alles andere ruht — und gleich sie gegen eine Quelle ab, der du traust.
Frag nach Links. Kopier den Absatz zurück und frag: „Was hier ist am wahrscheinlichsten falsch?" Prüf die eine Zahl gegen, die alles einreißen würde, wäre sie erfunden. Du checkst nicht jedes Wort. Du findest das Wort, das zählt, und testest es.
Diese Woche: Das nächste Mal, wenn dir die KI eine Tatsache liefert, die du gleich weitererzählen willst — schlag sie vorher nach. Mach das fünfmal, und du kriegst ein Gespür dafür, wo das Modell gern ausrutscht.
Diligence: der Zehn-Sekunden-Verantwortungs-Check
Bevor du etwas aus der Hand gibst, drei Checks. Habe ich die Fakten geprüft, für die ich persönlich nicht geradestehen kann? Sollte ich sagen, dass KI mitgeholfen hat? Bin ich gerade dabei, etwas reinzukopieren, das ich nicht sollte — ein Passwort, die vertraulichen Daten eines Kunden, eine noch nicht veröffentlichte Zahl?
Das ist alles. Klingt selbstverständlich — bis dir auffällt, wie viele KI-Pannen in den Nachrichten genau das sind: Niemand hat diese drei Checks gemacht. Den Output zu verantworten, ist der Teil, den kein Modell für dich erledigt. Es ist auch der Teil, der dich im Job hält.
Diese Woche: Schreib dir die drei Fragen auf einen Zettel. Nutz ihn einmal. Du wirst ihn weiter nutzen.
Was das für dich bedeutet
Vier Gewohnheiten. Wo fängst du also konkret an? Kommt drauf an, wer du bist.
- Bist du im Marketing: Description ist dein schnellster Gewinn. Hör auf, Prompts zu horten. Bau ein solides Briefing für dein wichtigstes wiederkehrendes Deliverable — Kontext, Zielgruppe, ein Beispiel für „gut" — und nutz es überall wieder.
- Führst du ein Team: Delegation und Diligence. Dein Job ist nicht, dein Team im Prompten zu schlagen. Sondern zu entscheiden, welche Arbeit KI anfassen soll, und die Norm fürs Prüfen zu setzen. Mach den Zehn-Sekunden-Check laut vor, damit die Leute ihn kopieren.
- Suchst du einen Job oder wechselst die Branche: Leg die Zertifikats-Checkliste weg. Bau ein vorzeigbares Ergebnis — einen Workflow, den du neu aufgesetzt hast, ein echtes Vorher-Nachher — und lern, die Geschichte in zwei Minuten zu erzählen. Genau danach screenen die 59 % gebrannten Arbeitgeber jetzt.
- Führst du ein kleines Unternehmen: Fang mit Delegation an — bei den Aufgaben, die dir die Abende fressen und die du beschreiben und prüfen kannst.
- Bist du in der Ausbildung oder im Studium: Discernment ist der Muskel, der am längsten zählt. Die Tools werden sich fünfmal ändern, bis du fertig bist. Zu wissen, wann die Antwort falsch ist, veraltet nicht.
Was „KI-kompetent" NICHT ist
Räumen wir mit den Mythen auf, weil die am meisten Zeit fressen.
Es ist kein Prompt-Auswendiglernen. Ein Ordner mit „10 magischen Prompts" ist keine Kompetenz. Die Leute, die eine Woche lang glänzen und dann floppen, sind meist die, die nur Description gelernt haben.
Ein Zertifikat ist keine Kompetenz. Es ist ein guter Anfang, und kostenlose gibt es (der Anthropic-Kurs läuft etwa eine Stunde). Aber ein Badge beweist, dass du irgendwo dabeisaßt. Arbeitgeber wollen ein gezeigtes Ergebnis — genau deshalb haben 59 % trotzdem eine Fehlbesetzung gemacht, auf Papier sah das Zertifikat ja passend aus.
Es hängt nicht an einer App. Der ganze Sinn der vier D’s ist, dass sie das nächste Modell, das nächste Tool, die nächste Preisänderung überdauern. Lauf also nicht jedem Launch hinterher. Lauf den Gewohnheiten hinterher.
Es macht das Prüfen nicht überflüssig. Kompetenz heißt nicht, der KI mehr zu vertrauen. Komischerweise heißt es, ihr weniger zu vertrauen, aber präziser. Discernment und Diligence sind keine Stützräder, die du abnimmst, sobald du gut bist. Sie sind der Job.
Unterm Strich
„KI-kompetent" ist kein Rätsel, und es geht eigentlich gar nicht um Prompts. Es sind vier Gewohnheiten: die richtige Arbeit wählen, sie gut beschreiben, beurteilen, was zurückkommt, und geradestehen für das, was du rausschickst. Prompten ist eine Ecke von einem davon. Die anderen 75 % sind Urteilsvermögen. Und Urteilsvermögen ist lernbar.
Wie groß die Lücke ist, sieht man in den Zahlen von Anthropics eigenem Economic Index. Die Ökonomen Massenkoff und McCrory messen darin nicht, was KI theoretisch könnte, sondern was tatsächlich genutzt wird — sie nennen es „observed exposure". In Informatik und Mathematik könnten Sprachmodelle rechnerisch rund 94 % der Aufgaben übernehmen. Genutzt werden aber nur etwa 33 %. Diese Lücke zwischen „könnte" und „wird tatsächlich gesteuert" ist genau der Unterschied zwischen dem schnelleren Tipper und dem, der die KI wirklich lenkt.
Und der Rest, falls du einen Anstoß brauchst: KI-Skills tragen laut PwC 2026 Global AI Jobs Barometer eine durchschnittliche Lohnprämie von 62 %, und Rollen, die danach fragen, wachsen rund 8-mal schneller als der übrige Markt (ausgewertet über mehr als eine Milliarde Stellenanzeigen in 27 Ländern). Generative KI hat derweil in drei Jahren etwa die Hälfte der Bevölkerung erreicht, so der Stanford AI Index 2026. Die Tools sind jetzt überall. Die Leute, die sie tatsächlich lenken können, nicht. In dieser Lücke liegt die Chance.
Willst du einen strukturierten, praktischen Einstieg? Unser Kurs KI-Grundlagen geht alle vier Gewohnheiten von Null durch, und Prompt Engineering taucht tief in den Description-Teil ein, sobald du bereit dafür bist. Nicht sicher, wo du stehst? Mach den Selbsttest in ein paar Minuten.
Fang diese Woche mit einer Gewohnheit an. So beginnt Kompetenz wirklich. Nicht mit einem magischen Prompt, sondern mit einer besseren Entscheidung darüber, was du abgibst.
